오라클이 아마존웹서비스(AWS)와 협력하여 오라클 AI 데이터베이스@AWS(Oracle AI Database@AWS) 서비스를 국내 고객에게 공식 제공한다고 밝혔다. 이번 서비스는 AWS의 서울 리전에서 출시되었으며, 국내 기업은 AWS 내 오라클 클라우드 인프라스트럭처(OCI) 전용 인프라에서 오라클 엑사데이터 데이터베이스 서비스와 오라클 자율운영 AI 데이터베이스 등을 운영할 수 있다. 이번 서비스 출시로 기업은 기존 온프레미스 환경에서 운영하던 오라클 워크로드를 큰 변경 없이 AWS로 옮길 수 있게 되었다. 오라클은 “온프레미스와 동일한 기능과 성능을 제공하여 클라우드 전환 과정에서의 복잡성을 줄였다”고 설명한다. 또한 오라클과 AWS 사이의 데이터를 통합하는 제로 ETL 기능을 통해 아마존 베드록과 같은 생성형 AI 서비스와 고급 분석 도구를 쉽게 활용할 수 있는 환경을 마련했다. 전국 1380여 개 매장을 운영하는 뷰티 및 웰니스 리테일 기업인 CJ올리브영은 이 서비스를 활용해 핵심 워크로드를 AWS 내 오라클 데이터베이스 서비스로 이전하고 있다. CJ올리브영 박원호 팀장은 “오라클 AI 데이터베이스@AWS는 핵심 워크로드를 클라우드로 옮기는 손쉬운 경로를 제공한다”면서, “아마존 베드록 등 AWS의 인공지능 서비스와 통합해 비즈니스 성과를 높일 수 있을 것으로 기대한다”고 말했다.     한국오라클 김성하 사장은 이번 출시가 국내 기업의 미션 크리티컬 워크로드 현대화와 AI 혁신 수요에 대응하기 위한 것이라고 설명했다. AWS코리아 함기호 대표 또한 국내 기업이 애플리케이션 재설계 없이 오라클 워크로드를 클라우드로 이전하고 보안성과 확장성을 누릴 수 있게 되었다고 덧붙였다. 고객은 AWS 마켓플레이스에서 서비스를 직접 구매하거나 유클릭, 에티버스와 같은 공인 채널 파트너를 통해 이용할 수 있다. 유클릭 김철 대표와 에티버스 정인성 대표는 이번 서비스가 고객의 AI 기반 혁신을 가속화하고 운영을 간소화하는 중요한 기점이 될 것이라고 강조했다. 이번 서울 리전 출시는 기존 도쿄, 시드니, 런던 등 11개 리전에 이은 확장이다. 오라클과 AWS는 앞으로 싱가포르, 오사카, 파리 등 10개 리전으로 서비스 범위를 더욱 넓힐 계획이다.

엔비디아가 미국 샌프란시스코에서 열리는 게임 개발자 콘퍼런스(GDC)에서 RTX GPU와 DGX 스파크 데스크톱 슈퍼컴퓨터를 기반으로 AI 비디오 생성 워크플로를 간소화하는 업데이트를 공개했다. 이번 발표는 게임 개발자와 아티스트가 엔비디아 RTX AI PC를 활용해 더욱 몰입감 있는 세계관과 캐릭터를 창조하도록 돕는 데 초점을 맞췄다. 엔비디아는 이번 행사에서 인기 생성형 AI 도구의 진입 장벽을 낮춘 신규 컴피UI(ComfyUI) 앱 뷰(App View)를 선보였다. 또한 실시간 4K 업스케일러인 ‘RTX 비디오 슈퍼 레졸루션’을 컴피UI에서 사용할 수 있도록 지원하며, 개발자에게는 이를 파이썬 휠(Python Wheel) 형태로 제공한다. 현재 NVFP4와 FP8 모델 버전은 플럭스.2 클라인(FLUX.2 Klein)을 지원하고 있으며, 향후 LTX-2.3에 대한 NVFP4 지원도 추가될 예정이다. 엔비디아에 따르면 이를 통해 최대 2.5배의 성능 향상과 60%의 메모리 사용량 절감이 가능하다.     컴피UI의 새로운 앱 뷰는 노드 그래프 구조에 익숙하지 않은 사용자를 위해 단순한 인터페이스를 제공한다. 사용자는 프롬프트를 입력하고 파라미터를 조정한 뒤 생성 버튼을 누르는 것만으로 작업을 수행할 수 있다. 기존의 노드 기반 인터페이스는 ‘노드 뷰(Node View)’라는 이름으로 유지되어 사용자의 숙련도에 따라 두 모드를 자유롭게 오갈 수 있도록 했다. 성능 측면에서도 개선이 이루어졌다. RTX GPU 기반의 성능은 지난해 9월 대비 40% 향상되었으며, 컴피UI는 NVFP4와 FP8 데이터 포맷을 기본적으로 지원한다. 지포스 RTX 50 시리즈 GPU에서 NVFP4 포맷을 사용하면 성능은 최대 2.5배 높아지고 VRAM 사용량은 60%까지 줄어든다. FP8 포맷 활용 시에는 성능 1.7배 향상과 VRAM 40% 절감 효과를 기대할 수 있다. 더 빠른 4K 비디오 생성을 위한 설루션도 강화됐다. 엔비디아 RTX 비디오 슈퍼 레졸루션을 활용하면 낮은 해상도로 빠르게 생성한 프리뷰 영상을 고품질 4K로 즉시 업스케일링할 수 있다. 이 기능은 컴피UI 내 노드 형태로 제공되어 사용자가 직접 생성 워크플로를 구축하는 데 유용하다. 또한 엔비디아는 AI 개발자를 위해 무료 파이썬 패키지를 공개하고 깃허브 샘플 코드 등을 제공한다. 이 패키지는 RTX GPU의 텐서 코어에서 직접 실행되어 일반적인 로컬 업스케일러보다 최대 30배 빠른 속도를 구현하며 VRAM 사용량도 줄인다. 엔비디아는 “이러한 도구가 콘셉트 탐색과 스토리보드 제작 등 초기 창작 과정의 효율을 높이고 초보자의 AI 비디오 모델 접근성을 개선할 것”이라고 밝혔다.

앤시스 워크벤치를 활용한 해석 성공 사례   이번 호에서는 날개의 구성품 장착 위치와 각 구성품의 복합재 적층 정보를 변수화하고, 해석 모델의 3D CAD 형상까지도 간단한 변수 변경으로 수정하여 자동화 해석을 구성하는 방법에 대하여 소개한다.   ■ 박준수 태성에스엔이 AE3팀에서 구조 해석 엔지니어로 근무하고 있다. 홈페이지 | www.tsne.co.kr   비행 중에 항공기가 받는 힘은 <그림 1>과 같이 엔진과 프로펠러로부터 발생하는 추력(thrust), 상대풍으로 인한 항력(drag), 날개의 윗면과 아랫면에 작용하는 압력차이로 인한 양력(lift), 중력으로부터 발생하는 중량(weight)으로 크게 네 가지 힘이 작용한다.   그림 1. 비행 중 항공기에 작용하는 네 가지 힘   <그림 2>의 왼쪽과 같이 항공기가 직진 수평 비행을 하는 경우에는 날개 구조에 작용하는 양력이 항공기의 무게와 평형상태를 이루면 되고, <그림 2>의 오른쪽과 같이 항공기가 수평 선회 비행을 하는 경우에는 선회각도 만큼 양력의 수직 성분이 힘이 낮아지게 된다.   그림 2. 직진 수평 비행(왼쪽), 수평 선회 비행(오른쪽)   예를 들어, 선회각도가 60도인 경우 날개 구조는 항공기의 무게의 2배를 견뎌야 한다. 더불어 인증을 위해선 보통류 항공기의 경우 항공기 최대 무게의 3.8배, 곡예용 항공기의 경우 항공기 최대 무게의 6배를 견디도록 설계하는 것을 요구하고 있다. 따라서 <그림 3>과 같이 비강성, 비강도가 높은 복합소재를 적용하여 날개 구조를 제작하는 것은 필수이다. 그러므로 이번 호에서는 날개 예제 모델을 이용하여 구성품의 장착 위치와 각 구성품의 복합재 적층 및 적층 각도 등에 대한 설계 요소를 변수화하여 자동화 해석을 수행하는 방법에 대하여 소개하고자 한다.   그림 3. 소재별 중량 대비 강성, 강도 그래프   기존의 파라메트릭 자동화 해석과는 다르게 해석 모델의 3D CAD 형상도 변수화하여 자동으로 형상 수정을 하고 유한 요소 모델링을 할 수 있는 차별성이 있으며, 파이썬 스크립트(Python script)를 잘 몰라도 간단한 원리만 터득하면 손쉽게 자동화 해석을 수행할 수 있다.   날개 구조와 배치 설계 날개 구조는 <그림 4>와 같이 다양한 구조물로 구성된다.   그림 4. 세미-모노코크(monocoque) 날개 구조   날개보(spar)는 양력으로 인한 대부분의 하중을 지탱하는 구조물로서, 굽힘 하중을 담당하는 캡(cap) 부분과 전단력을 담당하는 웹(web)으로 구성된다. 또한 일반적으로 날개 구조에는 2~3개 이상의 날개보를 사용한다. 리브(rib)는 날개의 단면을 에어포일(airfoil) 형상으로 유지시키는 구조물이며, 외피에 작용하는 하중을 날개보에 전달하는 역할을 수행한다. 스트링거(stringer)는 날개 외피에 굽힘 강도를 크게 하고 좌굴을 방지하는 역할을 수행한다. 외피(skin)는 날개에 작용하는 굽힘 하중과 비틀림 하중을 보조적으로 지탱하는 역할을 수행한다. 또한 공기역학적인 에어포일 형상으로 날개 구조물을 감싸는 구조 부분이다. 이와 같이 날개 구조 내부의 구성품은 항공기에서 양력을 지탱하는 가장 중요한 구조물이며, 날개 구조 내부에 어떻게 배치하는지에 따라 날개 구조 전체의 강성과 강도 성능이 매우 크게 달라지게 되므로 배치 설계는 매우 중요한 설계 인자이다.   복합재 소재와 기계적 특성 항공기 구조 설계에서 가장 중요한 요소는, 높은 강성과 강도를 갖는 소재로 설계하여 중량을 낮춰야 한다는 것이다. 이에 따라 최근 대부분의 항공기 구조물에는 탄소 및 유리 섬유 강화 복합재를 사용하여 제작하고 있다. 섬유 강화 복합재는 <그림 5>와 같이 섬유 다발을 단방향 또는 직조하여 레진과 같은 기지재(matrix)를 섬유 다발 사이로 함침시켜 제작한다. 이렇게 제작된 얇은 섬유 강화 판재 소재를 프리프레그(prepreg)라고 부르며, 라미나(lamina) 또는 플라이(ply)라고 부르기도 한다.   그림 5. 섬유 강화 복합재의 제작 방법     ■ 기사 상세 내용은 PDF로 제공됩니다.

AI·디지털 트윈으로 제조 현장의 실질적 가치 입증할 것   지멘스 디지털 인더스트리 소프트웨어의 오병준 한국지사장은 지난해 국내 대형 조선사의 차세대 설계 시스템 수주 등 굵직한 성과를 거뒀다고 소개했다. 그는 알테어 인수를 통한 기술 시너지와 엔비디아와 협력한 디지털 트윈 신제품으로 올해 제조 현장에 실질적인 가치를 제공하겠다고 밝혔다. 아울러 국내 기업에는 데이터 주권을 확보하고 작은 성공부터 만들어가는 실용적인 디지털 전환 전략을 주문했다. ■ 정수진 편집장     지난해 제조 시장의 분위기와 주요한 변화를 소개한다면? 2025년에는 많은 대기업이 지출을 통제하면서 제조 시장의 전반적인 경기가 좋은 편은 아니었지만, 하반기에 들어서면서는 많이 회복되어 지멘스 디지털 인더스트리 소프트웨어 입장에서는 목표를 달성할 수 있었다. 조선이나 일부 업종을 제외한 중소기업들은 여전히 큰 어려움을 겪었다.가장 큰 변화는 디지털 스레드(digital thread) 기반의 제조업 변환이 본격적으로 시작되었다는 점과, 알테어 인수 이후 AI 기반의 엔지니어링 프로세스 혁신을 지멘스가 주도하게 되면서 고객의 관심이 높아졌다는 것이다. 특히 BYD 등의 중국 기업이 디지털 전환(DX)을 통해 제품 출시를 크게 앞당기는 것을 보면서, 국내 시장에서도 DX 전략 도입을 더욱 적극적으로 고민하는 환경으로 바뀌었다. 산업별로 살펴 보면, 항공/방산 분야에서는 무기를 수출할 때 예방 정비 데이터를 함께 납품해야 하는 트렌드에 따라 팀센터 SLM 기반의 MRO(유지·보수·운영) 데이터 체계 구축에 대한 수요가 늘었다. 가장 큰 성과는 조선 분야에서 HD현대와 4년간 공동 개발한 끝에 지멘스의 설루션이 차세대 설계 시스템으로 선정된 것이다. 향후 5년간 전환을 거쳐 2028년에는 실제 선박 설계에 투입될 예정이다. 반도체 기업들의 전사 프로젝트 역시 계속 확장되고 있다.   인수합병 등으로 제품 라인업과 타깃 산업군이 방대해졌는데 어떻게 정리할 수 있을지? 지멘스 디지털 인더스트리 소프트웨어의 포트폴리오는 CAD 제품군인 디자인센터(Designcenter), 알테어 설루션을 포함한 시뮬레이션 제품군인 심센터(Simcenter), PLM 설루션인 팀센터(Teamcenter), 제조 운영 관리를 위한 옵센터(Opcenter), AI/에이전트 플랫폼인 멘딕스(Mendix)와 래피드마이너(Rapidminer), HPC, IoT 등으로 구성된다. 이에 더해 최근 인수한 닷매틱스(Dotmatics)를 통해 바이오 산업의 SaaS(서비스형 소프트웨어) 분야도 본격 공략할 예정이다. 주요 타깃 산업은 자동차, 전기·전자, 반도체, 조선, 기계, 항공국방, 배터리, 의료기기, 에너지, 프로세스 산업 등 10여 개 이상이다. 건설 산업에서는 직접적인 제품 포트폴리오는 크지 않지만, 지멘스 스마트 인프라(SI) 사업부의 빌딩 관리 및 알테어 시뮬레이션을 통해 협업하고 있다.   알테어 인수를 포함해 내부 조직 및 세일즈 체계에는 어떤 변화가 있었는지? 지멘스는 2007년부터 약 45조 원을 투입해 수많은 인수합병을 진행해 왔다. 현재 알테어, 지멘스 EDA(구 멘토그래픽스), 지멘스 디지털 인더스트리 소프트웨어를 모두 합쳐 한국에만 600명이 넘는 직원이 근무 중이다. 내부적으로는 모든 제품을 총괄하는 어카운트 세일즈와 특정 설루션에 특화된 스페셜티 세일즈 조직이 긴밀히 협업하는 체계를 갖추고 있다. 알테어와의 법인 통합은 올해 7월경으로 예상되며, 기존에 별도로 움직이던 지멘스 EDA 조직도 글로벌 산하로 사업 관리가 통합되었다.   산업 분야에서 AI 기술의 적용 현황과 지멘스의 전략을 소개한다면? 엔지니어링 레벨에서는 설계 툴인 NX의 코파일럿(Copilot) 등 AI 기능이 자리를 잡았고, 알테어를 인수하면서 물리적 시뮬레이션을 데이터 기반으로 보완하는 피직스 AI(Physics AI) 적용 사례가 늘고 있다. 알테어의 인수는 AI 기반 혁신의 큰 모멘텀이 될 것으로 기대하고 있다. PLM 분야에서도 RAG(검색 증강 생성)를 통해 기업 내·외부의 데이터를 엮어 리포팅 공수를 줄이는 작업이 진행 중이다. 특히 향후 기대되는 분야는 온톨로지(ontology)이다. 온톨로지는 부품이나 장비 등 데이터가 가진 속성 간의 숨겨진 관계를 찾아내서 ‘지식 그래프(knowledge graph)’를 만들고, 전사적 뷰에서 프로세스를 연결해 부서 간에 데이터가 단절되는 사일로(silo)를 없애는 기술이라고 할 수 있다. 무리하게 전사 시스템 전체를 통합하려다 실패하는 경우가 적지 않은데, 이와 달리 지멘스는 제조산업의 도메인 지식을 바탕으로 품질 관리 시스템의 고도화처럼 특정 영역부터 시작하는 바텀업(bottom-up) 방식을 채택했다. 2026년부터는 실질적인 비즈니스 가치를 현장에서 입증해 나갈 계획이다.   ▲ 지멘스가 엔비디아와 함께 개발한 디지털 트윈 컴포저   구체적인 AI 접근법과 최근 발표한 신제품에 대해 소개한다면? 지멘스는 ▲NX 등 툴 자체에 내장된 엔지니어링 AI ▲래피드마이너 등을 활용해 전사 내·외부 데이터를 엮는 데이터 패브릭 기반 AI ▲멘딕스 플랫폼과 PLM을 엮어 프로세스 자동화를 돕는 디지털 스레드 기반 에이전틱 AI(agentic AI) 등 세 가지 핵심 영역에 집중해 AI 전략을 추진하고 있다. PLM은 단순 관리 시스템을 넘어 AI가 장착된 프로세스 중심의 혁신 플랫폼으로 변화할 것이다. 이와 함께 지난 CES 2026에서 엔비디아와 공동 발표한 ‘디지털 트윈 컴포저(Digital Twin Composer)’를 올 6월에 출시할 예정이다. 기존의 공장 시뮬레이션이 단방향으로 이뤄졌다면, 이 설루션은 실제 공장 데이터와 가상의 모델 공장이 양방향으로 실시간 데이터를 주고받으며 AI가 둘 사이의 차이(gap)을 분석하고 최적화해주는 리얼타임 메타버스 설루션이다. 여타의 디지털 트윈 설루션이 가진 과도한 코딩의 한계를 해결할 수 있을 것으로 기대한다.   최근 산업 분야별 비즈니스 트렌드와 기술 투자 현황에 대해서는 어떻게 보는지? 비용 절감과 제품 출시 시간 단축을 위해 가상 제품 개발(VPD), 디지털 트윈, 소프트웨어 중심 자동차(SDV) 등에 대한 관심과 투자가 크게 늘고 있다. 실제로 실제 제품을 사용하는 소음진동(NVH) 테스트 장비 시장은 정체되는 반면, 이를 가상화하는 시뮬레이션 투자는 증가하고 있다. 특히 시뮬레이션 데이터 관리(SPDM)에 대한 투자가 늘고 있는데, 지멘스의 팀센터 포 시뮬레이션(Teamcenter for Simulation)과 알테어가 가진 다중 시뮬레이션 및 HPC 호스팅 플랫폼인 알테어 원(Altair One)이 결합하면서 이 시장에서 경쟁력을 갖추게 되었다. 또한 디지털 매뉴팩처링(DM)을 통한 생산 프로세스 최적화도 현장에 깊이 자리 잡고 있는 상황이다.   새로운 기술이 등장하면서 기업에서는 이를 활용하는 데에 어려움도 느끼는 것 같다. 어떤 조언을 해 줄 수 있을지? 기술적인 호기심만으로 접근하지 말고 비즈니스 문제와 가치를 먼저 명확히 정의한 후에 투자를 결정해야 한다고 강조하고 있다. 또한 가장 중요한 것은 데이터의 소유권(ownership)을 절대 설루션 공급사에게 내주지 말아야 한다는 것이다. 특정 툴에 종속되지 않으려면 기업 스스로 전사 데이터 모델을 이해하는 데이터 아키텍트를 반드시 육성해야 한다. 지멘스 디지털 인더스트리 소프트웨어는 기업들에게 실질적인 도움을 주기 위해 다양한 노력을 기울이고 있다. 작년에 기업 임원급을 대상으로 ‘디지털 전환 아카데미’를 꾸준히 진행해 왔는데, 올해도 이런 활동을 이어갈 계획이다. 아카데미에는 한국타이어, LG이노텍, KG모빌리티 등 여러 국내 기업의 C 레벨 임원들이 직접 참석하고 있는데, 설루션 소개가 아닌 베스트 프랙티스와 문제 해결 경험담을 공유하면서 높은 참여율과 좋은 호응을 얻고 있다. 아카데미의 주된 목적은 수백억 원의 큰 투자나 거대 담론에 휩쓸리지 말고, 임원의 권한 내에서 당장 할 수 있는 작은 디지털 전환 과제부터 빠르게 실행할 수 있도록 독려하는 것이다.   2026년 국내 제조 시장 전망과 주요 비즈니스 계획을 소개한다면? 복잡한 대내외 환경 속에서도 주요 대기업들은 근본적인 혁신을 계속 추구할 것으로 보인다. 현대자동차 등의 오픈 이노베이션 가속화, 휴머노이드 로봇 산업의 성장, 전고체 배터리 등 신시장 혁신이 공격적으로 진행될 것으로 본다. 지멘스 디지털 인더스트리 소프트웨어는 올 한 해 AI를 산업에 적용해 실질적인 비즈니스 효과를 검증하고 확산하는 데 집중하고자 한다. 특히 조선 분야를 중심으로 디지털 트윈 컴포저의 현장 적용을 지원할 예정이다. 미국이나 중국 기업들이 호기심을 갖고 빠르게 테스트해 보는 반면 국내 기업들은 실행 속도가 다소 느린 경향이 있다고 느끼는데, 앞으로는 실패를 두려워하지 않는 과감한 실험적 투자 문화가 자리 잡기를 바란다.     ■ 기사 내용은 PDF로도 제공됩니다.

‘플랜트 조선 컨퍼런스 2026’이 지난 2월 5일 백범김구기념관에서 진행됐다. ‘DX와 AI로 재도약하는 플랜트·조선의 미래’를 주제로 한 이번 콘퍼런스는 플랜트 및 조선 산업의 지형을 바꾸는 기술의 진화와 혁신 방향을 집중 조명했다. 또한, 기술 융합을 통해 근본적인 산업 혁신과 미래 생존을 추구하기 위한 청사진을 제시했다. ■ 정수진 편집장     한국플랜트정보기술협회의 신안식 회장은 개회사에서 과거 아날로그 중심에서 AI(인공지능)와 디지털 전환(DX)으로 변화한 플랜트·조선 산업의 최신 트렌드를 강조했다. 신안식 회장은 “이번 행사는 ‘DX와 AI로 재도약하는 플랜트·조선 산업의 미래’를 주제로 삼아, 엔지니어링 최신 기술과 설루션 성공 사례, 디지털 트윈을 통한 위기 해결 방안 등을 다룬다”면서, “새로운 변화를 이끌 혁신 기술이 소개되는 이번 행사가 참석자들의 활발한 네트워킹의 장이 되길 바란다”고 전했다. ‘플랜트 조선 컨퍼런스 2026’에서는 단순한 전산화나 시스템 도입 수준이던 플랜트 및 조선 산업의 IT 트렌드가 디지털 전환과 인공지능 전환(AX)을 중심으로 진화하고 있음을 알 수 있었다. 이런 흐름은 플랜트 및 조선 산업의 고질적인 생산성 저하 및 인력 감소 문제를 극복하기 위해 추진되고 있으며, 자동화 기반 기술의 도입과 지식의 시스템화 등이 활발히 진행 중이다. 또한, DX 및 AX의 성공을 위해서는 데이터 거버넌스 확립 및 개방형 협력 생태계의 조성이 중요시되고 있으며, 단순 제조를 넘어 서비스와 데이터 기반의 비즈니스로 확장해야 한다는 목소리도 높았다.   ▲ 한국플랜트정보기술협회 신안식 회장   플랜트 산업의 성공적인 DX와 AX 추진 전략 GS건설의 이현식 디지털트윈팀장은 ‘플랜트 DX/AX를 통한 산업 혁신 : 지속 가능한 혁신과 효율적 추진 전략’을 주제로 한 기조연설에서, 플랜트 산업의 성공적인 DX 및 AX을 위한 고민과 전략을 소개했다. 그는 현재 플랜트 업계가 추진하고 있는 DX의 목표에 대해 “단기적인 비즈니스 모델 혁신보다는, 건설 산업의 낮은 생산성과 인력 감소 문제를 극복하기 위한 ‘디지털화’의 완성이 되어야 한다”고 정의했다. 특히 DX를 기반이 되는 ‘몸통’으로, AX를 비정형 데이터 해석, 지능형 자율 설계, 현장 시뮬레이션 및 로보틱스를 주도하는 ‘두뇌’로 비유하며 그 중요성을 강조했다. 플랜트 산업의 성공적인 혁신을 가로막는 장애물로는 투자 대비 단기 성과에 대한 집착, 변화에 대한 조직적 저항, 장기적 로드맵 부재, 기초 데이터 부족, 폐쇄적인 산업 생태계 등이 꼽힌다. 이현식 팀장은 이를 극복하기 위한 4대 핵심 전략으로 ▲데이터 거버넌스 수립과 연계성 확보를 통한 데이터 품질 향상 ▲현업 실무자가 직접 시스템을 개발할 수 있는 디지털 리터러시 육성과 리더십 확보 ▲실천 가능하고 견고한 장기 로드맵 수립 ▲동종 업계 간 파운데이션 모델 등을 공유하는 개방형 협력 생태계 조성을 제안했다. 그리고 “성공적인 디지털 전환을 통해 과거 우리 플랜트 산업이 가졌던 위상을 되찾기를 바란다”고 전했다.   ▲ GS건설 이현식 디지털트윈팀장   조선산업의 미래 : 친환경 및 AI 생태계 전환 한국해양대학교의 류민철 교수는 ‘조선산업 친환경·AI 생태계 전환과 글로벌 진출 전략’을 주제로 기조연설을 진행했다. 그는 조선업계가 친환경 선박 발주 증가로 재도약의 기회를 맞았지만, 단순 제조를 넘어 디지털 전환과 인공지능 전환을 통한 생산성 향상 및 새로운 서비스 창출로 나아가야 한다고 강조했다. 해외 시장 진출 전략에 대한 소개도 있었다. 류민철 교수는 “미국의 높은 건조 비용과 인도의 낮은 생산성 문제를 극복하기 위해, 국내의 자동화된 블록 생산 공정과 스마트 자율운항 기술을 현지에 접목하는 비즈니스 모델을 구축할 수 있다”면서, 이를 통해 새로운 데이터와 운영 경험을 축적할 수 있을 것이라고 설명했다. 또한, 스마트 자율운항 선박에 대해서는 향후 폭증할 데이터에 대비해 센서를 최적화하고, 완벽한 자율운항이라는 최종 목표에 앞서 해기사들의 실질적인 업무 부담을 줄여주는 단계적 서비스 개발에 집중해야 한다고 조언했다. 그리고, 척수가 많은 연안 선박의 전기 추진화, XR(확장현실) 기술 및 가상 공간을 접목한 미래 해양 레저 서비스 등 타 산업과의 융합을 통한 시장 확대 가능성도 제시했다. 류민철 교수는 “국내 조선업계가 IT, 반도체, 기자재, 엔지니어링 등 다양한 분야와 주도적으로 협력해서, 독자적이고 거대한 친환경·디지털 통합 생태계를 구축해 나갈 수 있기를 바란다”고 당부했다.   ▲ 한국해양대학교 류민철 교수   도면 읽는 AI와 지식 그래프 기반 디지털 트윈 인포시즈의 탁정수 대표는 ‘도면을 읽는 AI : 플랜트·조선 디지털 트윈의 새로운 접근’을 주제로 기조연설을 진행했다. 그는 플랜트 산업 현장에서 빈번히 일어나는 도면과 실제 현장의 불일치, 지식의 파편화, 그리고 숙련된 작업자의 은퇴로 인한 현장 지식과 노하우의 소실을 심각한 위기 요인으로 지적했다. 이를 해결하기 위한 핵심 해법으로 탁정수 대표가 제안한 것은 설계부터 운영까지 분산된 도면과 데이터를 하나로 이어주는 ‘살아있는 지식 체계’의 구축이다. 특히, 도면 내 장비와 배관 등의 연결 관계를 데이터 스키마(data schema)로 구성하여 전체 흐름을 파악하게 하는 ‘지식 그래프(knowledge graph)’와 기업 내 다양한 용어 및 개념의 표준화된 공리를 세우는 ‘온톨로지(ontology)’의 중요성을 강조했다. 탁정수 대표는 “이 두 가지 요소 기술이 바탕이 되어야만 기업에 AI를 완벽히 적용하고 진정한 의미의 디지털 트윈으로 나아갈 수 있다”고 설명했다. 인포시즈의 AI 설루션인 ‘델타플로우’를 소개한 탁정수 대표는 AI가 도면을 읽고 온톨로지 기반의 지식 그래프로 데이터를 저장함으로써 수천 장의 도면을 가로지르는 유체 흐름 시뮬레이션, 안전사고 예방을 위한 작업 전 영향도 파악, 맥락 기반의 설계 패턴 검색이 가능해진다고 전했다. 그리고 “도면 중심의 통합 플랫폼을 통해 협력사 간의 효율적인 소통 생태계를 조성하고, 기존 레거시 시스템과 연동하여 지식을 완벽하게 자산화해야 한다”고 짚었다.   ▲ 인포시즈 탁정수 대표   플랜트/조선 산업의 기술 혁신을 다각도로 살펴보는 기회 마련   ■ 같이 보기 : [포커스] DX·AI 프로젝트 실행 전략 소개한 플랜트 조선 컨퍼런스 2026   이번 ‘플랜트 조선 컨퍼런스 2026’에서는 기조연설을 포함해 13편의 발표가 진행됐으며, 이와 함께 부스 전시를 통해 플랜트/조선 산업의 DX 및 AX를 위한 다양한 기술을 접해볼 수 있는 자리가 마련되었다. 또한, 산업계 및 학계 주요 인사들이 참여한 간담회에서는 향후 산업 경쟁력 강화 및 기술 혁신을 위한 비전과 의견을 나누었다.   ▲ 인포시즈 부스   ▲ 헥사곤ALI 부스   ▲ 휴엔시스템 부스   ▲ 소프트힐스 부스   ▲ 다우데이타 부스   ▲ 아이지피넷 부스   ▲ 크레아텍 부스   ▲ VIP 간담회     ■ 기사 내용은 PDF로도 제공됩니다.

한국오라클이 2월 3일 연례 콘퍼런스인 ‘오라클 AI 서밋(Oracle AI Summit) 2026’을 열고, 데이터와 AI의 결합을 통한 기업의 생존 및 성장 전략을 제시했다. 오라클은 AI 벡터 검색 기능이 통합된 데이터베이스 새 버전을 선보이면서, 복잡한 데이터를 의미론적으로 분석하고 검색 증강 생성(RAG) 기술을 효율적으로 구현하는 방안을 설명했다. 또한 스스로 계획하고 행동하는 에이전틱 AI(agentic AI)와 데이터베이스 관리를 돕는 AI 어시스턴트의 도입을 강조했다. 오라클은 자사의 융합형 아키텍처를 앞세워 기업의 현대적인 AI 기반 비즈니스 환경을 지원할 예정이다. ■ 정수진 편집장     AI의 핵심은 데이터, 데이터와 AI의 통합은 필연 오라클은 기업이 AI를 활용해 성과를 얻기 위해 가장 핵심이면서 중요한 요소로 ‘데이터’를 내세운다. AI가 기업 데이터 관리의 패러다임을 재편하는 필수 요소가 되면서, 오라클은 ‘AI와 데이터가 초기 설계 단계부터 함께 구축’되어야 한다고 강조했다. 오라클은 기업이 특정 부서의 업무를 향상시키는 데에는 AI를 잘 활용하고 있지만, 이를 전사 업무 프로세스의 향상으로 확장하는 데에는 어려움을 겪고 있는 것으로 보고 있다. 오라클의 티르탄카르 라히리(Tirthankar Lahiri) 미션 크리티컬 데이터 및 AI 엔진 부문 수석 부사장은 그 핵심 원인에 대해 조직 내 데이터가 분산(silo)되어 있기 때문이라고 짚으면서, “융합형 데이터 플랫폼을 통해 데이터 접근성을 통합해야 실질적인 AI 비즈니스 성과를 낼 수 있다”고 전했다. AI를 활용해 기업 비즈니스와 관련된 질문에 대해 답을 얻으려면, 질문과 관련해서 적절한 기업 내부의 데이터를 AI에 제공해야 한다. AI는 제공받은 비즈니스 데이터와 자체 지식, 그리고 공개된 외부 데이터를 결합하여 보다 정확한 결과를 생성할 수 있다. 오라클이 데이터의 중요성을 강조하는 이유가 여기에 있다. 한편으로, 복잡성을 줄이고 AI 기능의 신뢰도를 높이는 것도 중요하다. 분산된 기술이나 개별 제품을 단순히 이어 붙이는 방식은 복잡성과 비용을 키울 수밖에 없다. 오라클은 데이터가 위치한 곳에 AI를 직접 내재화하여 통합 설계하면, 시스템 운영이 단순해지고 기업이 신뢰할 수 있는 빠르고 일관된 AI 혁신이 가능해진다고 보고 있다.   AI를 위한 통합 아키텍처로 차세대 혁신 지원 AI를 위한 오라클의 데이터 전략은 ‘데이터 혁신을 위한 AI(AI for Data)’로 요약할 수 있다. 이 전략은 단순히 AI 기술을 덧붙이는 것이 아니라, AI를 데이터 플랫폼의 가장 핵심적인 부분에 내재화해서, 기업이 AI 리더로 도약하고 새로운 환경에서 번영할 수 있도록 돕는 데 초점을 맞춘다. 오라클 데이터 전략의 주된 방향은 ▲AI, 데이터, 애플리케이션 개발, 그리고 개방형 표준의 통합 구축 ▲개방형 표준에 기반한 융합형 아키텍처로 모든 데이터 유형과 워크로드를 일관된 플랫폼에서 결합하고 탐색할 수 있도록 지원 ▲데이터 사일로 현상을 해결하기 위해, 데이터, AI 모델, 실행 과정을 하나로 아우르는 단일 프레임워크 제공 ▲자체 LLM뿐 아니라 xAI, 구글, 메타, 코히어, 오픈AI 등의 AI 모델을 오라클 인프라 내에 자동으로 임베디드하고 유연하게 수용 ▲기업의 내부 프라이빗 데이터가 보호받을 수 있도록 거버넌스, 프라이버시, 보안을 최우선으로 고려하는 것이다. 오라클은 이런 전략이 집약된 차세대 AI 네이티브 데이터베이스인 ‘오라클 AI 데이터베이스 26ai’를 통해, 기업들이 경쟁사보다 한발 앞서 비즈니스 인사이트를 얻고 생산성 혁신을 달성할 수 있도록 돕는다는 계획이다.   AI 네이티브를 강조한 오라클 데이터베이스 26ai 오라클 AI 데이터베이스 26ai의 핵심 기능은 다음과 같다. 통합 AI 벡터 검색 : 문서, 이미지, 동영상, 관계형 데이터 등 다양한 형태의 데이터를 의미와 맥락을 나타내는 ‘AI 벡터(vector)’로 변환해서 처리한다. 이를 통해 일치하는 값을 찾는 것을 넘어, 의미적 유사성을 기반으로 밀리초(ms) 단위의 고속 검색을 제공한다. 단일 SQL문을 통한 RAG 파이프라인 통합 : AI 벡터 검색으로 찾은 기업 내부 데이터를 LLM과 결합하여 정확하고 맥락에 맞는 답변을 도출하는 RAG(검색 증강 생성) 기능을 지원한다. 또한, 복잡한 RAG 전체 파이프라인을 단일 SQL 구문이나 데이터베이스 API를 통해 간편하게 실행할 수 있다. 데이터베이스 내 에이전틱 AI(agentic AI) 직접 통합 : AI 에이전트를 데이터베이스 내부에 직접 통합 및 설계해서 기업이 쉽고 안전하게 구축, 배포, 관리할 수 있도록 지원한다. 기업의 내부 프라이빗 데이터는 물론 웹 검색 등 외부 공개 데이터까지 결합해서 수준 높은 답변을 제공할 수 있다. AI를 위한 데이터 주석 기능 : AI가 데이터의 의미를 잘못 유추하지 않도록, 사용자가 테이블이나 컬럼의 의미와 용도를 LLM에게 명시적으로 설명해 줄 수 있는 주석(annotations) 기능을 제공한다. 이는 LLM이 더 우수한 결과물을 생성하도록 돕는다. 모든 데이터 유형의 통합 검색 : AI 벡터 검색 기능은 전통적인 관계형 데이터뿐만 아니라 텍스트, 공간, JSON, XML 데이터 등 모든 종류의 데이터 검색과 매끄럽게 결합되어 통합적인 데이터 탐색 환경을 제공한다.   데이터 중심 AI로 엔터프라이즈 혁신 돕는다 오라클은 개방형 생태계를 기반으로 하는 ‘기업용 맞춤형 AI’를 제공하면서, 기업 내부 데이터의 거버넌스, 프라이버시, 보안을 요구하는 엔터프라이즈 환경에 최적화된 AI 접근 방식을 내세운다. 한국오라클의 김성하 사장은 “오라클은 ‘데이터베이스 기업’이라는 기존의 인식에서 벗어나 ‘데이터 중심의 AI 플랫폼 기업’으로서 입지를 굳히고, 엔터프라이즈 클라우드 시장 점유율을 높이고자 한다”면서, 국내 시장 전략을 소개했다. 한국오라클은 OCI(오라클 클라우드 인프라스트럭처)의 성능과 안정성, 비용 효율에 대한 고객의 신뢰를 바탕으로, 기업의 핵심적인 기간계 업무를 클라우드로 전환하는 데 집중하고 있다. 오라클에 따르면, POC를 넘어 실질적인 클라우드 소비가 전년 대비 2025년 두 배 이상 증가했으며, 비 오라클 데이터베이스 워크로드의 클라우드 전환도 확대하고 있다. 오라클은 국내 2곳의 퍼블릭 클라우드 리전(데이터센터)을 안정적으로 운영하면서 지속적인 성장 발판을 마련했다고 보고 있다. 또한 고객이 자체 데이터센터 내에서 오라클 클라우드를 사용할 수 있도록 지원하는 전용 리전(Dedicated Region Cloud@ Customer)를 국내 세 곳의 고객사에 구축·운영하는 등 고객 맞춤형 인프라 전략을 전개 중이다. 김성하 사장은 “올 상반기 국내 AWS 데이터센터에 오라클의 고성능 데이터베이스 머신인 엑사데이터(Exadata)를 배치할 예정이다. 이는 핵심 데이터베이스를 안전하게 운용하고자 하는 금융권 및 대형 엔터프라이즈 고객의 멀티 클라우드 도입 수요를 흡수하기 위한 전략”이라고 소개했다. 이와 함께, 오라클은 국내 AI 시장을 선도할 유망 스타트업이 OCI를 기반으로 성장할 수 있도록 협력 및 지원을 이어갈 예정이다. 이런 노력을 통해 국내 AI 혁신 고객 사례를 늘려가겠다는 것이 오라클의 계획이다.       ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   최근 인공지능이 우리 삶의 모든 면을 급격하게 변화시키고 있다. 혹자는 이것을 인공지능 전환(AI transformation 또는 AX)이라고 말한다. 그러나 실상은 그 이상이다. 디지털 전환(digital transformation : DX)이 본격적으로 시작한 것도 몇 년 되지 않았는데 다시 인공지능 전환이라니, 대부분 정보기술 분야의 이해당사자들은 당혹스럽다. 디지털 전환의 시대에 정보기술 분야에 일하는 사람들은 약간 안도했을 수도 있다. 이것은 정보화에서 디지털 기술의 심화가 디지털 전환으로 받아들였기 때문이다. 그러나 인공지능 전환은 조금 결이 다르다는 것을 느낄 것이다. 초기에는 빅데이터 분석(big data analytics)과 머신러닝은 연결고리가 있었다. 또한 CAD/CAM/CAE 분야와 시뮬레이션(simulation) 그리고 디지털 트윈(digital twin)도 연결고리가 있다. 이 모든 패러다임의 데이터 기반(datadriven)과 폐쇄형 시스템(closed system)이라는 패러다임을 공유한다. 다시 말해서 데이터 수집(data collection)이 중요하고 데이터 정의(data definition)가 핵심이다.  그러나 인간의 사고를 흉내내는 언어 중심의 인공지능에서 의사결정 구조에서 맥락(context)이 없는 데이터는 경직되고 의사결정에서 쓸모 없는 경우가 많다. 기업의 경쟁력은 더 이상 단순히 데이터를 ‘많이 보유’하는 데서 나오지 않는다. 핵심은 데이터를 어떻게 구조화하고, 어떻게 의미를 부여하며, 어떻게 의사결정으로 연결하느냐에 있다. 전통적 데이터 웨어하우스는 스타 스키마(star schema)와 스노우플레이크 모델을 중심으로 발전해 왔다. 이 구조는 대규모 분석을 가능하게 했지만, 급변하는 비즈니스 환경—규제 변화, 가격 정책 수정, 구독 모델 전환, AI 기반 실험—을 따라가기에는 점점 한계를 드러내고 있다.   그림 1. 온톨로지와 그래픽 데이터베이스   이제 기업은 고정된 테이블 중심 사고에서 벗어나, 시맨틱 그래프 기반 온톨로지(ontology)로 전환하고 있다. 이 전환을 가속하는 기술이 바로 LLM(Large Language Model : 대형 언어 모델)이다. 기존의 산업용 정보기술(industrial IT)은 마치 ‘콘크리트 신발’을 신고 달리는 것과 같다. 구조는 단단하지만, 방향 전환은 느리다. 온톨로지는 데이터를 ‘테이블’이 아니라 의미 있는 객체(object)로 본다. ‘고객’, ‘주문’, ‘제품’은 더 이상 테이블이 아니라 그래프의 노드다. 관계는 조인이 아니라 방향성 링크(directed edge)다. 이 접근은 그래프 데이터베이스 및 시맨틱 기술 발전과 맞물려, 현대 데이터 아키텍처의 핵심으로 자리잡고 있다. 이전에는 인공지능 프로젝트가 없거나 온톨로지, 디지털 스레드와 디지털 트윈, 그래프 데이터베이스(graph database)를 결합하려는 시도가 없던 것은 아니다. 다만 개발자, 담당자, 도메인 전문가는 너무 힘든 작업과 시간과 비용의 소모전이기 때문에 성공할 수 없는 방법론이었다. 단지 거대 방위산업 회사만이 가능했다. 그러나 LLM이 보편화되면서 이 모든 것이 가능해졌다. 이 패러다임은 온톨로지 기반 디지털 트윈(ontology based digital twin) 정보화이다. 복잡하게 들리지만, 현재 팔란티어라는 회사가 사용하고 있는 방법이다.   그림 2. 게임 체인저 LLM, 구축 비용의 혁신   새로운 온톨로지 디지털 트윈 정보기술의 패러다임의 비즈니스 혁신 효과는 다음과 같다.   의사결정 민첩성 규제 변경, 가격 정책 전환, 제품 피봇 시 노드와 링크만 추가하면 확장 가능   분석 부채 감소 기존 핸드크래프트 파이프라인 붕괴 문제 해소 데이터 팀은 유지보수가 아닌 가치 창출에 집중   데이터 민주화 현업 담당자가 직접 질문 : “지난달 프리미엄 사용자의 평균 구매 빈도는?” 엔지니어 도움 없이도 탐색 가능   비용 효율 스타트업 : 엔터프라이즈급 모델링 확보 대기업 : 스키마 드리프트 관리 자동화   그림 3. 온톨로지 패러다임 비교   전략적 시사점은 LLM 기반 온톨로지 자동화는 단순 기술 도입이 아니다. 이는 기업 운영 체계의 구조적 재설계다. 핵심은 데이터 → 의미 → 의사결정 연결 구조 구축, 인간과 AI의 역할 명확화, 온톨로지를 운영 자산으로 관리, 질의 기반 학습 구조 설계, 장기적 데이터 지능 축적 전략 수립이다.   그림 4. 디지털 트윈 정보 모델   결론적으로, 데이터 민주화에서 의사결정 민주화로 움직이면서 LLM 기반 온톨로지 자동화는 단순히 모델링 비용을 줄이는 도구가 아니다. 이는 의미 중심 데이터 구조, 자가 최적화 파이프라인, 복리적 지식 축적, 조직 전체의 분석 역량 확장을 가능하게 한다. 결국 이는 데이터 민주화 → 분석 민주화 → 의사결정 민주화로 이어지는 전환이다. 여기서 말하는 민주화는 책임지는 사람이 결정하고, 의사결정 과정을 투명하게 공유하는 과정을 의미한다. 설명되지 않는 인공지능 도움에 의한 의사 결정은 리스크가 크다. 앞으로의 경쟁력은 데이터를 얼마나 많이 보유했는가가 아니라, 데이터를 얼마나 의미 있게 연결했는가에 달려 있다. 그리고 그 연결을 자동화하는 시대가 이미 시작되었다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.